在线答疑系统论文.docx
- 文档编号:30709736
- 上传时间:2023-08-19
- 格式:DOCX
- 页数:28
- 大小:225.86KB
在线答疑系统论文.docx
《在线答疑系统论文.docx》由会员分享,可在线阅读,更多相关《在线答疑系统论文.docx(28页珍藏版)》请在冰豆网上搜索。
在线答疑系统论文
摘要
随着互联网迅速发展,教育逐步走上了网络化时代,远程教育就是随着网络技术的发展而产生的一种新型教育形式。
远程教育打破了传统教学模式在时空上的限制,即在不受时间和空间等条件的约束下,学生根据自己的业务水平和时间,自主的安排学习计划和学习进度,而这一点是传统教育无法做到的。
在线答疑系统作为远程教学系统不可缺少的一个子系统,它的发展和完善还有待于多种技术的成熟和综合应用。
本文在对国内外同类答疑系统的研究现状分析的基础上,结合分词技术、全文检索技术等理论,提出构建烟大在线答疑系统。
系统允许用户采用自然语言进行提问,对输入的自然语言问句进行分词处理和语义分析,将分词结果与答案源文件映射的索引文件进行全文搜索匹配,并将匹配后的答案集返回给用户。
本文除研究分词技术及全文检索技术在该在线答疑系统中如何应用外,还给出了在线答疑系统的总体设计模型以及系统的功能模块设计模型,为系统的详细设计提供参考。
系统采用目前比较流行的JSP技术(Java服务器网页技术)开发,并综合应用了Java技术、XLM技术、SQLServer2000数据库技术等,实现了与、或和模糊查询等功能,同时拥有较高的数据查询速度,较好地实现了该答疑系统的设计与研发。
本论文研究工作的开展,主要是为了解决现实问题,满足当前应用需求,同时积累系统开发研制的经验。
论文的最后,指出了系统目前存在的不足,有待在今后工作中进一步完善,同时系统应该在用户使用方面添加一些更加人性化的功能,系统界面美观程度上也需要进一步提高。
关键词:
在线答疑;搜索引擎;全文索引
Abstract
WiththerapiddevelopmentoftheInternet,educationgraduallyembarkedonanetworkedage,asisthedistanceeducationnetworktechnologyarisingfromthedevelopmentofanewformofeducation.Distanceeducationtobreakthetraditionalmodeofteachingatthetimeandspaceconstraints.Thatis,notintimeandspaceandotherconditions,Studentsaccordingtotheirlevelofbusinessandthetimingofthearrangementsforself-studyprogramandtheprogressofthestudy,thisisatraditionaleducationcannotbedone.Onlineansweringsystemasadistancelearningsystemwhichisanindispensablesub-system,it’syettobeimproveandthedevelopmentofavarietyofmaturestechnologiesandintegratedapplication.
InordertomakeupforthelackofthetraditionalwayofcounselinginthedistanceeducationforYantaiUniversity,thewriterbroughtathomeanabroadintheansweringsimilarsystembasedontheanalysisofthestatusquo,combiningthetechnicalsubword,fulltextsearchtechnologytheory,putforwardtobuildYantaiUniversityonlineansweringsystem.Systemallowsuserstonaturallanguagequestions;theimportofnaturallanguagequestionsforwordprocessingandsemanticanalysis,thetermwillanswerwiththeresultsofthesourcefileformappingthefulltextofthedocumentindexsearchmatch,andwillanswerafterthemathsettoreturnusers.Inthispaper,inadditiontostudythetechnicaltermandfulltextsearchtechnologyintheonlineansweringontheuseofthesystem,butalsogivestheonlineansweringsystemdesignmodelaswellasthesystemmoduledesignmodelforthedetaileddesignofthesystemtoprovideareference.ThesystemusethepopularJSPtechnologydevelopmentandapplicationtheJavatechnology,XMLtechnology,SQLServer2000databasetechnology,andrealizedthevagueorinquiriesandotherfunctionsatthesametimehaveahigherrateofdataquery,thebettertoachievetheonlineansweringsystemresearchanddevelopment.
Inthispaper,theresearchcarriedoutmainlyinordertosolvepracticalproblems,tomeetthecurrentneedsoftheapplication,thesystemdevelopedatthesametimetheaccumulationofexperience.Thefinalpaper,pointingoutthatthecurrentsysteminadequatetobeinthefutureimprovethework,atthesametime,usersinthesystemshouldusetoaddsomemorehumanefunction,thesysteminterfaceisalsolookingattheextentoftheneedtofurtherimprove.
KeyWords;Onlineanswering;Searchengine;Thefulltextoftheindex
1绪论
1.1在远程教育平台中建立在线答疑系统
远程教育(或远距离教育)是英文DistanceEducation的中译名。
DistanceEducation这一概念于19世纪70年代在国际教育界开始流行,在80年代初引入我国。
从本质上来说远程教育是指教与学在时空分离的状态下所实施的教学,它的发展可以使学生不必再受传统教育模式的限制,即在不受时间和空间等条件的约束下,学生根据自己的业务水平和时间,自主的安排学习计划和学习进度,而这一点是传统教育无法做到的。
随着internet在我国广泛应用,远程教育越来越受到人们的重视。
各种基于Web的远程教学系统的开发、传送和教学考核系统的问世,都使远程交互成为可能,答疑系统是实现这种交互方式的手段之一。
提高教学质量除了通过课程内容的学习,也可以通过答疑系统来帮助学生巩固所学习的知识。
因此,结合远程教学的特点,开发一种适应于远程教学的在线答疑系统,以很好地起到辅助教学的作用,提高教师资源及答案资源的利用率。
1.2国内外答疑系统研究现状
1.2.1国内研究情况
目前,国内的答疑系统大致可以分为以下几类[1][2]:
(1)采用传统的Internet工具,如Email,BBS,Chat,FAQ等。
这种方式虽然实现简单,但无法适应网络答疑中大规模、动态性、实时性的特点。
(2)基于关键词的答疑方式,即采用关键词或者关键词的逻辑组合作为提问方式。
这种方式虽然可以在一定程度上解决网络答疑中大规模、动态性、实时性的需求问题,但由于汉语词汇本身在含义上存在不一致性,使这种单纯依靠字符串机械匹配的检索方式必然导致结果集合的错误放大或缩小。
此外,这种方式要求用户具备一定的问题背景知识、关键词抽取能力,以及逻辑组合能力,因而限制了用户的使用。
(3)基于自然语言理解的答疑系统。
它允许用户采用自然语言进行提问,系统对输入的自然语言问句进行语法和语义分析,根据分析结果在问题库中进行匹配,并将匹配后的答案集返回给用户。
该方式不仅提供了较好的人机接口,而且提高了答疑结果的准确性,是网络答疑的发展方向。
如上海交通大学的AnswerWeb、江苏理工大学的远程辅导答疑系统、国防科技大学开发的自动问题回答子系统、清华大学教育软件研究中心开发的基于Web的远程答疑系统等均属于这一类答疑系统。
目前,国内一些基于自然语言理解的答疑系统己经取得了较好的应用,大大提高了系统答疑的能力,为远程教育的顺利开展提供了有力保障。
但是,我们也看到这些答疑系统还存在诸多不足,具体体现在以下几个方面:
(1)系统交互性差
除自动答疑系统外,对于大多数系统,学生的提问一般得不到及时回答,有一个很长的滞后期,严重影响了学生的学习进度和使用系统进行自主学习的积极性。
即使有自动答疑系统,提供给学生的结果也是盲目的无序的一大堆,同样需要学生自己去筛选,无法满足学习的需要,体现不到远程教育的优点。
(2)答疑方式单一
现有答疑系统答疑方式比较单一,一般都只有一两种答疑方式,不能很好的体现远程教育的优越性。
随着网络快速发展,信息的表达方式和传递方式是多种多样的,系统应该寻求答疑途径多样化,如搜索引擎、ChatRoom,Email,WWW服务、FTP服务等等。
系统要么只有同步方式,如ChatRoom,要么就只有异步方式,如电子公告板,没有很好的将两种方式有效地结合起来。
同步方式具有响应速度快的优点,而异步方式具有问题描述解答系统详细的优点。
(3)表现手段不够丰富
目前的答疑系统一般都只限于文本方式,与远程课件相比,多媒体效果特性几乎不具备,当然这和系统本身的特点有关,但是随着研究的深入,答疑系统具有声音、影像、动画等多媒体特性也将是一种趋势。
(4)系统智能性不够
目前的自动答疑系统一般都是采取通过关键词或关键词的逻辑组合进行查询的方式,智能性不高。
一方面,学生要具备一定的抽词能力和逻辑组合能力,对部分学生的使用造成一定的困难;另一方面,由于系统缺乏评价学生提问的真正意图的必备信息,系统就无法优化或再加工系统的问题答案库资源,造成查询结果太多而且无序,无法适应应用的需要。
1.2.2国外研究情况
国外教育网站中答疑的实现主要通过各种网络人机交互的手段和技术来实现。
国外答疑系统在智能化方面作的非常出色,如AskJeevesTM公司的AskJeevesforKids答疑系统[3]、ZhipingZheng博士组织开发的支持多种语言的AnswerBus答疑系统[4],MIT人工智能实验室BorisKatz博士组织开发的START系统[5]等。
国外答疑系统与国内的答疑系统相比具有如下特点[6]:
(1)系统的独立性。
国外出色的智能答疑系统全部都是独立运行的系统,它们不属于任何教学或学习平台。
这类系统所扮演的角色更像一个专业领域资源的提供者,提问者借助系统寻求答案可能是为了解决他们在相应学科中的问题,也可能仅仅是为了满足他们的好奇心,或者是为了寻找作业或任务中需要的资源。
(2)系统的功能。
相比国内答疑系统的丰富功能而言,国外答疑系统的功能更加简洁。
虽然主要的功能与国内类似,但是所有的功能都是围绕答疑功能而设计,功能设计重点突出、设计精良。
(3)系统的智能性。
国外答疑系统的智能性主要体现在人机理解的自然语言接口和相应的问题查询和反馈上,但是国外系统在基于自然语言的提问方面作的比国内更加准确和人性化。
如带有问题确认的功能,主要原因是国外在问题处理部件上增加了问题类型判断,以及增加了答案处理和解释部件,因此不但保证了系统对问题的更准确的理解,也使呈现的答案简明扼要。
(4)系统的相关资源库。
国外答疑系统的资源库的突出特点是拥有丰富、高质量的内容,比如AskJeevesforKids系统的所有答案是来自数以万计通过查询和研究确定的和问题有关的其他网站链接,主要的来源是(Yahooligans,EducationgWorld和FederalEducationResources)这三个网站。
这些网站资源是人为建设的,而并不是软件搜索得到的,因此,每一个答案链接都与问题相关。
国外系统的答案资源库不只包括知识库还包括信息库。
这样答案中呈现的信息可能是对问题的解答,也包括能够解答相关问题的网上资源的信息。
与系统的独立性相关的是,和国内针对学科和课本的内容体系相比,国外系统答案资源库的内容采用了内容更加丰富和广泛的主题式或专业领域式内容组织体系。
(5)相关技术。
国外智能答疑系统主要采用英语语系,目前基于英语的自然语言处理技术、文本检索和数据挖掘技术都已经得到了长期的发展,并取得了优秀的成果。
很多研究机构正在并己经构建了许多问题模型和相应的解答模型。
这些技术的发展是国外智能答疑系统的高准确率的保证。
1.3烟台大学远程教学答疑子系统现状
在整个电大远程教育教学过程中,除了课堂教学之外,学生的自主学习占了相当大的比例,要完成自主学习的功能就必须有相应的支撑系统来完善远程教学的各个环节,增强学生自主学习的效果。
这些系统包括:
课件制作工具、师生交流系统、智能答疑系统、网上作业系统、网上自测系统、网上考试系统、教学点播系统等子系统。
由于地理位置的分离,当学生遇到疑难问题时,需要网络教学系统给予及时答疑和帮助,消除学生学习的障碍,在线答疑就成了网络教学系统的重要组成部分之一,同时也是实现学生自主学习的一个重要途径。
就烟大现有的远程教学答疑系统大致情况如下:
1.3.1没有专门的在线答疑系统
师生之间的信息交流仅仅局限于现有的网络通信联络方式,如:
电子邮件,留言板等,这类系统交互周期长,交互性差,学生的提问得不到及时回答,严重影响学生使用和学习的积极性、主动性,即使提问,也不一定能得到回复。
1.3。
2具有初步答疑功能的答疑系统
现有答疑系统支持WebBBS讨论,即在教师的主持下进行实时聊天讨论,参与人同时登录系统才能进行答疑,需要教师定时登录系统或提前预约,交互性问题得不到合理解决,学生使用率同样较低。
1.3.3具备了自动答疑功能的答疑系统
个别单位的系统作了功能升级,升级后的答疑系统利用中文信息处理技术和Web数据挖掘技术进行类似搜索引擎的操作,在已有问题答案库中搜索与关键词匹配的问题及答案。
学生提问时输入关键词进行查询,但是这样搜索的结果往往是一大堆,没有一个合理的排序,同样需要学生到一大堆查询结果中人工查找,具有一定的盲目性。
没有做到以提问得答案的智能性,或通过提问方式减少无关问题出现在查询结果中。
另外,现有答疑系统缺少对学生疑问特征的分析,不能主动为学生推送其存在疑问或感兴趣的知识,也没有充分利用概念之间的语义关系来引导学生进一步的提问,智能化程度十分有限。
1.4系统的设计目标及研究的意义
在远程教学中,答疑是远程教学的一个重要的组成部分,直接影响着远程教学的质量,所以在远程教育平台中建立一个良好的答疑系统是必要的。
该答疑系统的研究主要致力于改革现有的答疑模式,充分利用远程教育网资源,设计开发一个基于自然语言理解能力的在线答疑系统,该系统支持自然语言提问,对学生输入的自然语言问句进行分词处理、语义分析,并将分词结果与答案源文件映射的索引文件进行全文搜索匹配,给出匹配后的问题答案集,并按相关度的高低进行排序,返回给学生用户。
另外,在这些学生提问的问题中,也反应出了学生对学习内容的掌握情况,系统还能根据学生提问问题的特征主动的为其推送知识,并对学生提问的问题进行分析、统计,为教师的教学工作提供参考。
本论文的研究意义主要体现在以下几个方面:
(1)答疑是学生进行系统学习的有益补充,同时也是学生巩固知识的重要途径,无论学习的形式如何变化,答疑对于学习活动来说是必要的且不可或缺的,在网络环境下,及时、有效地获得问题的解答是学生远程学习的基本需求。
(2)答疑系统采用了友好的自然语言接口,学生可以采用自然语言句子问问题,而不需具备一定的关键词抽取能力和逻辑组合能力。
(3)系统可以根据学生提问问题的特征主动为学生推送相关知识,使其能更好的掌握学习内容;同时,通过协作推送技术,把其他具有相同特征的学生所提问的问题和浏览的信息推荐给他,方便其了解其他学生的提问内容、关注焦点,以此来开阔视野、拓宽知识面,促进学生进行深入系统的学习。
(4)通过对学生提问问题的记录分析,可以统计、分析学生普遍存在问题的薄弱环节,为教师进一步改进教学方法提供参考,成为辅助教学的有效工具。
在线答疑系统兼顾了及时性和并发性,解决了教师和答案资源的浪费,提高了学习效率和教学质量,同时该系统也是一个人工智能、信息检索和自然语言处理等技术的综合体,具有一定的研究空间。
2关键技术
2.1自然语言处理技术
本系统属于基于自然语言理解的答疑系统,涉及到的自然语言处理技术有分词技术和检索技术(即问题匹配技术)。
2.1.1分词技术
分词是自然语言理解的基础,分词的好坏直接影响自然语言理解的准确性。
与英文相比,由于中文句子是连续的字符串,而且有很多的习惯用语,缺少一定的语法规则,所以中文分词存在一定的难度。
我国在对自然语言处理技术方面的研究已有几十年的时间,虽然已经取得了很多研究成果,但是分词问题仍未彻底解决,这也是制约答疑系统发展的瓶颈。
现有的分词方法大致可以分为三大类:
基于字符串匹配的分词方法,基于理解的分词方法和基于统计的分词方法[7]。
(1)基于字符串匹配的分词方法
这种方法又叫做机械分词方法,它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行匹配,若在词典中找到某个字符串,则匹配成功(识别出一个词)。
按照扫描方向的不同,字符串匹配分词方法可以分为正向匹配和逆向匹配;按照不同长度优先匹配的情况,可以分为最大(最长)匹配和最小(最短)匹配;按照是否与词性标注过程相结合,又可以分为单纯分词方法和分词与标注相结合的一体化方法。
这种切分方法,需要最少的语言资源(仅需一个词表,不需要任何词法、句法、语义知识),程序实现简单,开发周期短,是一个简单实用的方法。
(2)基于理解的分词方法
这种分词方法是通过让计算机模拟人对句子的理解,达到识别词的效果,也称人工智能法。
人工智能是对信息进行智能化处理的一种模式,主要有两种处理方式:
①基于心理学的符号处理方法。
模拟人脑的功能,像专家系统,即希望模拟人脑的功能,构造推理网络,经过符号转换,从而可以进行解释性处理。
②基于生理学的模拟方法。
神经网络旨在模拟人脑的神经系统机构的运作机制来实现一定的功能。
以上两种思路也是近年来人工智能领域研究的热点问题,应用到分词方法上,产生了专家系统分词法和神经网络分词法[8]。
专家系统具有显式的知识表达形式,知识容易维护,能对推理行为进行解释,可利用深层知识来切分歧义字段;缺点是不能从经验中学习,当知识库庞大时难以维护及在进行多歧义字段切分时耗时较长。
神经网络具有联想、容错、记忆、自适应、自学习和处理复杂多模式等优点。
不足的是网络连接模型表达复杂、训练过程较长、不能对自身的推理方法进行解释,对未在训练样本中出现过的新的词汇不能给予正确切分。
(3)基于统计的分词方法
从形式上看,词是稳定的字的组合,因此在上下文中,相邻的字同时出现的次数越多,就越有可能构成一个词。
因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。
基于统计的分词方法所应用的主要统计量或统计模型有:
互现信息、元文法模型、神经网络模型、隐模型和最大熵模型等。
这些统计模型主要是利用词与词的联合概率作为分词的信息。
基于统计的分词方法的优点是:
①不受待处理文本的领域限制;②不需要一个机器可读词典。
缺点是:
①需要大量的训练文本,用以建立模型的参数;②该方法的计算量非常大;③分词精度与训练文本的选择有关。
目前,比较常用和实用的分词算法主要有最大匹配法(MaximumMatchingMethod,MM)、逆向最大匹配法(ReverseDirectionMaximumMatchingMethod,RMM)、二次扫描法、联想.回溯法、基于词频统计的分词法,以及基于知识的专家系统方法、神经网络方法[9]等。
每种分词算法都有自己的特点,适合于不同的领域。
在现有的比较成熟的分词系统中,往往都是各种分词算法的综合使用。
随着分词技术的发展,目前也出现一些比较成熟的中文分词系统,具代表性的有清华大学SEG和SEGTAG分词系统、复旦分词系统、哈工大统计分词系统、杭州大学改进的MM分词系统、北大计算语言所分词系统(分词和词类标注相结合)等[7]。
除此之外,还有中国科学院计算技术研究所的ICTCLAS、海量智能分词、CSW中文智能分词等。
这些系统在分词的准确率、未登录词识别、歧义切分、分词速度等方面都己比较优秀,己达到了一定的实用要求。
同时,很多分词系统都提供有共享版或研究版,并提供‘有相应的函数接口,这将有利于分词技术的研究与应用。
,
在该答疑系统中,系统需要根据学生的问题特点,在问题答案库中寻找适合的问题及答案反馈给学生。
那么,学生的提问到底都有哪些特点呢?
(1)问题都是比较短小,往往就是一句话。
学生在提问时,所提的问题一般都是比较短小的,而不是长篇大论,不具有段落篇章结构,绝大多数就是一句话。
比如说,学生往往会问:
“某个概念是如何的?
"
“原理又是怎样的?
”
“组成结构又如何?
”
“功能是什么?
"
“作用是什么?
”
“概念之间的关系是什么?
"
“结果是什么?
”
“产生的过程怎样?
”等。
这些问题一般一句话即可描述清楚,不需要过多的修饰、补充、说明等,不会有所谓的上下文关系存在。
(2)问题是基于课程的信息。
由于在线答疑系统是基于课程学习的,学生登录远程教学系统后,首先要进行选择要学习的课程,比如,学生要学习《数据通信技术》,那么他就首先要选择《数据通信技术》这门课程,然后才能进行相关的学习,学生的提问也是仅仅针对该门课程,所以问题答案库中的每个问题答案项都是建立在某门课程基础之上的,即问题答案库应包含课程信息。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 在线 答疑 系统 论文
![提示](https://static.bdocx.com/images/bang_tan.gif)